Este trabajo está motivado por la creciente dependencia de la sociedad moderna de los sistemas autónomos y procesos tecnológicos complejos, donde disponibilidad, fiabilidad y seguridad son palabras estratégicas en la alta competencia industrial. Para cumplir estos requisitos el mantenimiento se convierte en parte imprescindible. En el mundo industrial el coste de mantenimiento es una parte importante del total de los costos operativos y una parte fundamental para que los sistemas funcionen correctamente, con la creciente demanda de un buen mantenimiento. Por este motivo se presenta un estudio de metodologías que permitan predecir las condiciones de funcionamiento de los componentes del sistema, dichas metodologías se basan en sistemas híbridos y redes neuronales en asociación con estrategias de predicción, capaces de predecir el estado futuro del conjunto. En este estudio se presenta un método de Prognosis and Health Management, donde los datos utilizados para caracterizar el modelo híbrido provienen de un sistema real, en el cual se han instalado diversos sensores analógicos y digitales para extraer sus características de funcionamiento. Se ha utilizado un sistema de adquisición basado en LabView mediante el cual es posible recoger las observaciones disponibles en el sistema, y extraer la información necesaria para diseñar modelos de predicción. Los resultado muestran que el modelo de predicción basado en un sistema hibrido puede seguir el estado del sistema y tiene el potencial para ser usado como herramienta de pronostico y diagnostico precoz de fallas. Para la elaboración del trabajo se han utilizado diversas herramientas informáticas, la más importante ha sido LabView, software de National Instruments, y MartixX de la misma compañía, asimismo se ha utilizado MATLAB para las simulaciones, pre-procesado y estudio de datos.